★ 2
arXiv 论文提出多轮在线蒸馏动作序列对齐
针对多轮工具使用智能体的在线策略蒸馏，论文指出不同成功轨迹可能到达不兼容状态、提供误导监督。作者将成功参考选择建模为自由目标最优传输问题，用最长公共子序列作为兼容性代理。在 ALFWorld 与 τ³-bench 航空领域实验中，LCS 是唯一在两个基准上均优于无参考 OPD 的选择器。
arXiv cs.LG2 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
针对多轮工具使用智能体的在线策略蒸馏，论文指出不同成功轨迹可能到达不兼容状态、提供误导监督。作者将成功参考选择建模为自由目标最优传输问题，用最长公共子序列作为兼容性代理。在 ALFWorld 与 τ³-bench 航空领域实验中，LCS 是唯一在两个基准上均优于无参考 OPD 的选择器。